مبادئ عامة

[مقدمة في الذكاء الاصطناعي] 9- شرح PCA في تقنية التجميع Clustering لتعليم الالة

عطفاً على الدرس السابق حول تقنية التجميع Clustering المستخدمة في تعليم الالة , نمط التعليم بدون إشراف Unsupervised Learning

 

يوجد طريق اخرى لحساب مدى صحة ودقة نموذجنا وتدعى “تحليل العنصر الأساسي Principal Component Analysis” أو  PCA اختصاراً

 

حيث نحلل النقاط البيانية في التجمع الى جهات Directions

ونمثل أول عنصرين Components من تحليل الـPCA على شكل قطع ناقص Ellipse

العنصر الرئيسي الأول يكون بجهة التنوع الأكبر أو المحور الأساسي للقطع الناقص

والعنصر الرئيسي الثاني يكون بجهة المحور الثانوي للقطع الناقص

 

عندما يكون التجمع الأول Cluster منفصل بالشكل المثالي عن التجمع الثاني , يظهر الاخير بشكل قطع ناقص محوره الأساسي عمودي على المحور الأساسي للقطع الناقص الذي يمثل التجمع الأول

ولكن في الواقع تكون التجمعات منفصلة بشكل ممتاز ولكن ليس بالضرورة مثالي !

 

واذا كان التجمع الثاني منفصل عن التجمع الاول ولكن بشكل سيئ للغاية فسيكونا محوري القطعان الأساسيان في حالة تشبه حالة التوازي

وقد يكون القطع شكله مائل لشكل الدائرة وذلك لأن التجمع الثاني فيه مشاكل

اترك تعليقاً